An Analysis of Online Education and Learning Management Systems in the Nordic Countries
Notice bibliographique
Résumé
This article presents the results from an analysis of online education and Learning Management Systems (LMS) in the five Nordic countries. The analysis is based on literature review and in-depth interviews with 20 selected Nordic training managers. The analysis comprises a broad range of institutions from primary education, secondary education, higher education, distance education, and corporate training. LMS systems seem to be widely used in Nordic education and there is a clear trend towards large-scale online education. The 20 institutions had experiences with 25 different LMS systems and 12 of the institutions now have more than 50 online courses. Higher education institutions have standardized on a few national student management systems, and they prefer LMS-systems developed in the Nordic countries. Among the 25 different LMS systems that were identified in the analysis, 16 were of Nordic origin. All other systems were of American, Canadian, or Irish origin. The research indicates that ClassFronter, WebCT, FirstClass, and BlackBoard seem to be the most used LMS systems. E-learning standards do not seem to have had much impact on online education in the Nordic countries. LMS systems could have reached a point where user-friendliness, cost effectiveness, and integration with other systems is more important than new features. Some interviewees want to integrate the LMS with existing systems and other services such as student management systems, marketing catalogues, online payment, tracking of textbook shipments, registration of examinations, and multimedia tools. The institutions do not seem to be especially loyal to, or dependent on, one provider of LMS system. Several institutions prefer self-developed systems. They perceive the commercial systems as expensive and complex and want to develop the systems to support their special needs. They wanted cost effective systems with the ability to handle continuous enrollment and integration with student administrative systems and economy systems. In the future, the open source strategy may have an impact on the LMS market.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».